基于社交网络的个性化推荐系统的设计与实现

发布时间：2017-05-20 16:08

  本文关键词：基于社交网络的个性化推荐系统的设计与实现，由笔耕文化传播整理发布。

【摘要】：随着Web2.0技术的不断发展,中国互联网进入了高速发展阶段。微博这个新兴的社交网络平台,在国内的活跃用户非常之多,已经成为当前用户分享和获取信息的重要平台。微博庞大的活跃人群发布了大量数据,导致信息过载的产生。如何让用户准确定位自己,并找到自己感兴趣的微博信息,已经成为广大微博用户关注的总要问题之一。本文实现了一个个性化推荐系统,通过对用户在推荐系统中的行为进行分析来推荐给用户感兴趣的微博。本文的主要工作内容如下:1)深入研究了新浪微博开放平台获取用户微博信息的相关技术,该技术主要是通过调用微博开放平台提供API来收集数据,并把这些数据作为推荐系统的数据源。2)使用分领域模型法并借鉴新浪微博已有的分类标准把用户兴趣分为8个领域:体育、电影、动漫、财经、美食、音乐、旅游、星座。找出对每个兴趣领域比较感兴趣的高质量用户,最后采用基于用户的协同过滤算法,找出目标用户在每个兴趣领域的K个最相似邻居,把邻居用户转发的微博作为用户的待推荐列表。3)实现个性化推荐系统,用户通过新浪微博账号授权登陆系统,就能够享受高质量的个性化微博推荐服务。用户在使用系统的过程中可以管理自己兴趣领域也可以管理邻居用户即微博信息的来源还可以和系统反馈自己对推荐结果是否喜欢,方便系统对用户的推荐结果进行调整,使推荐系统变得更好,随时满足用户个性化需求。对用户使用系统的情况进行分析,发现系统总体效果比较令用户满意。系统能够给用户一个比较好的微博推荐服务,为解决信息过载问题奠定了基础。
【关键词】：开放平台 个性化推荐 协同过滤 微博
【学位授予单位】：贵州大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.3
【目录】：

• 摘要5-6
• Abstract6-7
• 第一章 绪论7-14
• 1.1 研究背景与意义7-8
• 1.1.1 研究背景7-8
• 1.1.2 意义8
• 1.2 国内外研究现状8-11
• 1.2.1 微博现状的研究8-9
• 1.2.2 个性化推荐系统9-11
• 1.3 研究内容与结构安排11-13
• 1.3.1 本文的研究内容11-12
• 1.3.2 研究技术路线12-13
• 1.3.3 本文的结构安排13
• 本章小结13-14
• 第二章 系统相关技术介绍14-22
• 2.1 推荐算法综述14-18
• 2.1.1 基于内容的推荐14-15
• 2.1.2 基于规则的推荐15
• 2.1.3 基于协同过滤的推荐15-18
• 2.2 用户数据收集18-19
• 2.3 社交网络概述19-21
• 2.3.1 新浪微博简介19-20
• 2.3.2 数据获取技术20
• 2.3.3 数据获取流程图20-21
• 本章小结21-22
• 第三章 需求分析22-29
• 3.1 推荐系统任务概述22-24
• 3.1.1 推荐系统目标22
• 3.1.2 系统工作流程22-24
• 3.2 推荐系统功能需求24-26
• 3.2.1 数据采集模块25
• 3.2.2 推荐引擎模块25-26
• 3.2.3 用户交互模块26
• 3.3 非功能需求分析26-27
• 3.4 个性化推荐27-28
• 3.5 用户冷启动28
• 本章小结28-29
• 第四章 推荐系统的详细设计29-44
• 4.1 系统应用架构设计29-30
• 4.2 系统功能架构设计30-35
• 4.2.1 数据采集模块30-32
• 4.2.2 推荐引擎模块32-34
• 4.2.3 用户交互模块34-35
• 4.3 个性化Top-N方法35-39
• 4.3.1 主题模型建立36-37
• 4.3.2 用户建模37-38
• 4.3.3 用户相似度计算38
• 4.3.4 Top-N推荐38-39
• 4.4 数据库设计39-41
• 4.5 推荐系统界面设计41-43
• 本章小结43-44
• 第五章 个性化推荐系统的实现44-59
• 5.1 数据采集模块的实现44-48
• 5.1.1 API调用44-45
• 5.1.2 用户数据采集45-48
• 5.2 推荐引擎模块的实现48-51
• 5.2.1 邻居用户获取48-50
• 5.2.2 推荐引擎50-51
• 5.3 用户交互模块的实现51-55
• 5.4 系统效果与分析55-58
• 本章小结58-59
• 第六章 总结与展望59-60
• 致谢60-61
• 附录61-72
• 参考文献72-74
• 图版74-75

【参考文献】

中国期刊全文数据库 前1条

1 王魁生;王晓波;;利用JSON进行网站客户端与服务器数据交互[J];软件导刊;2010年03期

  本文关键词：基于社交网络的个性化推荐系统的设计与实现，由笔耕文化传播整理发布。

，

本文编号：382112